Die ChatGPT-Apps, Projects und Memory

Derselbe ChatGPT-Account begleitet Sie über drei Oberflächen (Web, Desktop und Mobil), aber jede ist auf eine andere Situation zugeschnitten. Darunter verhalten sich die Funktionen, die Ihren Workflow tatsächlich verändern, nämlich Projects und Memory, überall gleich. Diese Lektion geht die Oberflächen kurz durch und widmet sich dann ausführlich den beiden Dingen, die ChatGPT von einem Chatfenster zu einer Arbeitsumgebung machen.

Die drei Apps und wofür sie tatsächlich gedacht sind

Die Web-App (chatgpt.com) ist die vollständige Oberfläche. Alles erscheint hier zuerst: Projects, Canvas, Advanced Data Analysis, Apps (früher Connectors genannt), geplante Aufgaben, der GPT Store. Fehlt eine Funktion auf einer anderen Oberfläche, prüfen Sie zuerst das Web.

Die Desktop-App (macOS und Windows) bringt Zugriff auf Betriebssystemebene. Unter macOS kann sie andere App-Fenster sehen, wenn Sie die Berechtigung erteilen. So kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen Sie sie zur Tabelle oder zum Code-Editor vor Ihnen befragen, ohne etwas hin- und herzukopieren. Ein globales Tastenkürzel öffnet einen Schnellstarter, der schnellste Weg, einen Chat zu beginnen, ohne den Fokus zu verlieren. Begleitende Tools wie Codex (der Coding-Agent von OpenAI) passen am besten neben eine Entwicklungsumgebung auf dem Desktop.

Die mobile App (iOS und Android) ist für Eingaben gebaut, die sich schlecht tippen lassen: Sprachmodus für freihändige Gespräche, die Kamera für „Was ist das?“-Fragen und Foto-Uploads aus Ihrer Mediathek. Die Sprachfunktion ist hier das Highlight.

Das mentale Modell: Beginnen Sie ernsthafte Arbeit im Web, erfassen und diktieren Sie mobil und nutzen Sie den Desktop, wenn ChatGPT wissen soll, was bereits auf Ihrem Bildschirm ist. Ihre Chats, Projects und Memory werden über alle drei synchronisiert.

Projects: ein abgegrenzter Arbeitsbereich, nicht bloß ein Ordner

Ein Project ist ein Container, der drei Dinge bündelt: **eine Reihe von Chats, hochgeladene Dateien und Custom Instructions, die *nur* innerhalb dieses Containers gelten**. Stellen Sie es sich als Sandbox mit eigenem Briefing und eigenem Referenzregal vor.

Warum das wichtig ist: Ihre globalen Custom Instructions und Ihre globale Memory sind gute Standardwerte, aber sie gelten für alles. Mit einem Project legen Sie Anweisungen und Dateien für einen bestimmten Arbeitsbereich fest, ohne den Rest Ihres Accounts zu überfrachten.

Was in einem Project steckt

• Project-Anweisungen. Ein abgegrenzter System-Prompt. Alles, was Sie hier schreiben, gilt für jeden Chat im Project.
• Project-Dateien. Dokumente, die Sie einmal hochladen und aus jedem Chat im Project heraus nutzen. ChatGPT greift automatisch darauf zurück, wenn sie relevant sind.
• Die Chats selbst. Jede Unterhaltung, die innerhalb des Projects beginnt, bleibt dort gebündelt.

Memory in Projects hängt von einer Entscheidung ab, die Sie beim Anlegen des Projects treffen. Im Standardmodus können Chats im Project Ihre globale Memory nutzen, und ChatGPT greift zusätzlich auf andere Chats im selben Project zurück. Wählen Sie Project-only Memory, kann das Project nur auf seine eigenen Chats zugreifen und zieht keine Erinnerungen von außerhalb heran. Das lässt sich nach dem Anlegen nicht mehr ändern, entscheiden Sie also vorher. Für Kundenarbeit mit vertraulichem Kontext ist Project-only meist die richtige Wahl.

Projects lassen sich auch teilen. Laden Sie Kollegen ein, sehen sie dieselben Dateien, Anweisungen und Chats. Limits und Verfügbarkeit je Tarif ändern sich häufig, prüfen Sie daher den Hilfeartikel zu Projects von OpenAI für aktuelle Details.

Ein konkretes Project: der Kunde „Northwind Retail“

Angenommen, Sie beraten den Kunden Northwind Retail quartalsweise. Ohne Project beginnt jeder neue Chat bei null: Sie fügen die Brand Voice erneut ein, erklären die Produktlinien noch einmal, laden dasselbe Briefing wieder hoch. Mühsam und fehleranfällig.

Legen Sie ein Project namens Northwind Retail an und wählen Sie Project-only Memory. Hinterlegen Sie die Anweisungen:

You are my analyst and copywriter for Northwind Retail, a mid-market
outdoor-gear retailer. Brand voice: practical, warm, no hype, no exclamation
marks. Always assume a North American audience. When I ask for analysis,
show your reasoning and cite which uploaded file you used. Currency: USD.
Default to plain language a store manager can act on.

Laden Sie dann das Referenzregal als Project-Dateien hoch:

• northwind-brand-guide.pdf
• q3-sales-by-sku.csv
• 2025-marketing-calendar.xlsx
• store-locations.csv

Jetzt kennt jeder Chat in diesem Project bereits Tonalität, Zielgruppe und Daten. Sie öffnen einen neuen Chat und fragen: *„Entwirf drei E-Mail-Betreffzeilen für die Herbstjacken-Aktion und sag mir dann, welche SKUs aus der Verkaufsdatei rückläufig sind.“* ChatGPT wendet die Brand Voice aus den Anweisungen an und holt die Zahlen aus q3-sales-by-sku.csv, ohne dass Sie etwas erneut hochladen.

Project-Dateien mit Advanced Data Analysis kombinieren

Project-Dateien werden deutlich nützlicher in Kombination mit Advanced Data Analysis (Code Interpreter), der abgeschotteten Python-Umgebung in ChatGPT. Da Ihre CSV bereits im Regal des Projects liegt, können Sie sagen:

*„Erstelle anhand der Verkaufsdatei ein Diagramm des wöchentlichen Umsatzes nach Kategorie und markiere jede Kategorie, die gegenüber der Vorwoche um mehr als 15 % gefallen ist.“*

ChatGPT schreibt echten Python-Code, führt ihn auf der Datei aus, liefert das Diagramm und erklärt die Einbrüche, alles im Kontext des Projects mit der hinterlegten Brand Voice. Kein erneutes Hochladen, kein erneutes Prompten der Tonalität.

Wann Sie auf mehrere Projects aufteilen

Ein Project pro laufendem Kunden oder pro größerem Arbeitsstrang. Schreiben Sie für Northwind auch interne HR-Dokumente, ist das eine *andere* Tonalität und ein anderer Dateibestand: Legen Sie ein zweites Project an. Getrennte Projects verhindern, dass die Brand-Voice-Anweisungen in andere, unabhängige Arbeit hineinwirken.

Memory: was ChatGPT zwischen Chats mitnimmt

Memory ist die Fähigkeit von ChatGPT, sich Details über getrennte Unterhaltungen hinweg zu merken, damit Sie sich nicht wiederholen müssen. Sie besteht aus zwei Teilen.

Gespeicherte Erinnerungen sind konkrete Fakten, die ChatGPT gezielt ablegt, etwa „Nutzer ist Berater“ oder „Nutzer bevorzugt metrische Einheiten“. Sie finden sie unter Settings → Personalization → Memory und können jede einzelne löschen.

Der Bezug auf den Chatverlauf reicht weiter: ChatGPT kann auf Themen und Kontext Ihrer früheren Unterhaltungen zurückgreifen, um neue Antworten relevanter zu machen, auch ohne explizit gespeicherte Erinnerung.

Beides sind Schalter. Beides liegt unter Personalization. Die vollständigen, aktuellen Regeln stehen in der Memory FAQ von OpenAI.

Wie Memory im Northwind-Beispiel hilft

Außerhalb des Projects, in Ihren alltäglichen Chats, lernt Memory, dass Sie als Berater für Handelskunden schreiben, knappe Entwürfe bevorzugen und in USD arbeiten. Wenn Sie also kurz einen Chat zu etwas ganz anderem beginnen, um ein Angebot zu skizzieren, trifft ChatGPT Ihren Stil bereits. Weniger erklären, mehr Kontinuität.

Innerhalb des Northwind-Projects übernehmen stattdessen die *Project-Anweisungen* diese Aufgabe, eng auf diesen Kunden zugeschnitten. Da Sie Project-only Memory gewählt haben, bleiben die Northwind-Details in diesem Project. Die Arbeitsteilung: globale Memory für Ihre dauerhaften persönlichen Standards, Project-Anweisungen und Project-only Memory für kundenspezifischen Kontext.

Wann Sie Memory abschalten

Schalten Sie sie ab (oder nutzen Sie einen Temporary Chat), wenn:

• Sie mehrere Kunden mit widersprüchlichem Kontext betreuen. Sie wollen nicht, dass ein verirrter Fakt über Northwind auftaucht, während Sie für einen Wettbewerber schreiben. Project-only Memory deckt das meiste davon ab, aber für spontane Chats außerhalb eines Projects ist ein Temporary Chat die sichere Wahl.
• Sie sensible oder einmalige Arbeit erledigen. Ein Temporary Chat startet eine Sitzung, die Memory weder nutzt noch aktualisiert und nicht im Verlauf erscheint.
• Memory veraltet ist. Geht ChatGPT immer wieder von einem überholten Fakt aus (eine alte Jobbezeichnung, ein früheres Projekt), öffnen Sie die Liste der Erinnerungen und löschen Sie den betreffenden Eintrag, statt im Gespräch dagegen anzukämpfen.

Sie können ChatGPT direkt fragen: *„Was weißt du über mich?“*, und es listet seine gespeicherten Erinnerungen auf. Sie können auch sagen *„Vergiss, dass ich bei Northwind arbeite“*, und es löscht genau diese Erinnerung.

Wie das mit dem Rest des Ökosystems zusammenhängt

Projects und Memory sind die *persönliche und Team*-Ebene. Sie stehen neben den stärker programmierbaren Teilen des OpenAI-Ökosystems, und wer die Grenzen kennt, greift nicht zum falschen Werkzeug.

Custom GPTs sind fertig gepackte Assistenten mit eigenen Anweisungen, Wissensdateien und optional GPT Actions (Aufrufe externer APIs). Ein geteiltes Project dient der Zusammenarbeit an einem laufenden Arbeitsbereich mit wenigen Personen. Ein Custom GPT ist ein wiederverwendbares Tool, das Sie einmal bauen und an viele Personen weitergeben oder im GPT Store veröffentlichen. Arbeiten fünf Teammitglieder gemeinsam am Northwind-Account, teilen Sie das Project. Brauchen fünfzig Vertriebsmitarbeiter einen Northwind-Brand-Voice-Assistenten, bauen Sie einen Custom GPT.

Apps in ChatGPT (was OpenAI früher Connectors nannte) verbinden ChatGPT mit externen Quellen und Diensten wie Google Drive, SharePoint oder GitHub, sodass es diese live durchsuchen und in manchen Fällen Aktionen ausführen kann. Project-Dateien sind ein festes Regal, das Sie selbst bestücken. Apps sind eine Live-Leitung zu einem System of Record.

Der ChatGPT-Agent und geplante Aufgaben bringen Autonomie: Der Agent kann über mehrere Schritte hinweg browsen und handeln, um eine Aufgabe zu erledigen, und mit geplanten Aufgaben können Sie sagen: *„Fasse jeden Montag um 8 Uhr die Northwind-Verkaufsdatei der Vorwoche zusammen und schick mir die drei größten AusreißererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → per E-Mail.“*

Wenn Ihnen die App nicht mehr reicht: die APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →

Wenn Sie das wiederholbar und in Software eingebettet brauchen, wechseln Sie von der App zur OpenAI API. Der empfohlene Einstieg ist die Responses API, die Modellaufrufe mit integrierten Tools vereint. (Die ältere Chat Completions API funktioniert weiterhin und wird breit unterstützt.) Für zuverlässiges Parsing in nachgelagerten Schritten nutzen Sie Structured Outputs, damit das Modell JSON zurückgibt, das einem von Ihnen definierten SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen → entspricht.

Hier die Northwind-Aufgabe „rückläufige SKUs markieren“ als kleiner, schemagebundener API-Aufruf. Setzen Sie das aktuelle Modell von der Modellseite ein, das zu Ihren Anforderungen an Kosten und Geschwindigkeit passt:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5",
    input="From the sales summary, list SKUs with a week-over-week revenue drop over 15%.",
    text={
        "format": {
            "type": "json_schema",
            "name": "declining_skus",
            "schema": {
                "type": "object",
                "properties": {
                    "skus": {
                        "type": "array",
                        "items": {
                            "type": "object",
                            "properties": {
                                "sku": {"type": "string"},
                                "wow_change_pct": {"type": "number"},
                            },
                            "required": ["sku", "wow_change_pct"],
                            "additionalProperties": False,
                        },
                    }
                },
                "required": ["skus"],
                "additionalProperties": False,
            },
        }
    },
)

print(response.output_text)

Dieses strukturierte Ergebnis geht direkt in ein Dashboard oder einen E-Mail-Job, ohne manuelles Parsing. Von hier aus lässt Function Calling das Modell Ihre eigenen Tools auslösen, und das Agents SDK orchestriert mehrstufige Agenten im Code. Beginnen Sie mit der OpenAI API-Dokumentation, wenn Sie diese Schwelle überschreiten.

Die Abstufung: Projects und Memory für Ihre eigene Arbeit und kleine Teams, Custom GPTs und Apps für fertig gepackte, breit geteilte Assistenten, die API und das Agents SDK für Produktivsoftware.

Das Wichtigste in Kürze

• Nutzen Sie ein Project pro laufendem Kunden oder Arbeitsstrang. Laden Sie die Dateien einmal hoch und schreiben Sie abgegrenzte Anweisungen; jeder Chat darin übernimmt das Briefing.
• Wählen Sie den Memory-Modus des Projects beim Anlegen. Der Standardmodus teilt die globale Memory; Project-only hält den Kontext im Project, und das lässt sich später nicht ändern.
• Kombinieren Sie Project-Dateien mit Advanced Data Analysis, um echten Python-Code auf Ihre hochgeladenen Daten anzuwenden, ohne erneut hochzuladen oder die Brand Voice neu zu prompten.
• Lassen Sie die globale Memory dauerhafte persönliche Standards halten (Ihre Rolle, Ihren Stil, Einheiten) und die Project-Anweisungen den kundenspezifischen Kontext.
• Nutzen Sie für sensible oder einmalige Arbeit einen Temporary Chat und entfernen Sie veraltete Fakten unter Settings → Personalization → Memory, statt mit dem Modell zu diskutieren.
• Teilen Sie ein Project für die Zusammenarbeit, bauen Sie einen Custom GPT zur Verteilung, verbinden Sie Apps für Live-Daten und wechseln Sie für den Produktivbetrieb zur Responses API mit Structured Outputs.